在算法中，各个排序算法的复杂度都比较高，正常情况下为O(nlogn) ，所以当数据量特别大的时候，对数组进行排序消耗都很大。
因为hive的计算引擎MapReduce是分布式系统，
利用分布式的特点，可以对排序的数据各个机器节点内有序，再做归并排序，
虽然这样做的复杂度还是O(nlogn) ，
但是对比老版本hive的做法，改善不少。
老版本hive的order by并不是做归并排序，而是将所有数据都集合到一台机器上，然后做一个全局排序，
这样做的缺点就是，
一个没办法利用分布式系统的并发计算，因为在一台机器上，这台机器的cpu压力很大，
第二个缺点是这台机器的内存压力也很大，因为计算要发生在内存中，数据量很大的情况下，一台机器的内存并放不下这么多的数据。
在maxcompute一些系统中，order by的时候会要求你加上limit字段
尽管已经用归并排序做了优化，但是在大数据统计中，全局排序的场景也不太常见，
针对计算topN的排序，只要限制了limit字段，每台机器都可以只排序前N条数据，然后对N条数据做归并排序，
速度上快了很多，毕竟，我们可能只需要计算top一万，但是总数据量可能有一亿(总数据量总是高的离谱，但top范围总是很低的)。
hive还提供了一个order by 的弱化版本，就是sort by，减去了最后一个归并排序，只要各个机器节点里的数据有序就行了
比如n条数据，被分成n/m条数据，那么复杂度就是 (n/m)*(m)*log(m)=nlogm，分的越离散(m越小)，速度越快，
因为不需要最后做归并排序(m越小，数据条数就越多，归并排序的时候就越耗时)
关于n条如何被分为m条，需要用distribute by指定字段，比如指定name，这样就可以保证相同name的数据有序了。
为什么说sort by 是order by 的弱化版本，
因为没有了最后一步归并排序，所以最后的结果不是全局有序的，只是局部有序的
